Limited angle computed tomography reconstruction with deep learning enhancement

The Computed tomography (CT) is used in a broad variety of applications nowadays. It is applied to inspect the content of an object without destruction, like searching of dangerous items in airport's public areas, or recognize cancer in the human body. Computed tomography plays a special role in medicine. Besides the detection of cancer, it is used for the analysis of the organs inside the human body and in the identification of the disease's cause. The CT helps to determine the correct diagnosis and save many human lives. One of the main problem of CT is the insufficient quality of reconstructed images. Typically, many systems use limitations during the scanning phase in order to speed up the process. Therefore, some errors and artifacts may reduce the quality of reconstructed images. The aims of this research is to develop methods in order to reduce the noise in tomographic images, which are obtained through limited range angle, exploiting Deep learning technology. Considering tomographic acquisitions obtained in a limited range angle setup, it was possible to enhance the reconstruction by obtaining results very close to the ones that could be obtained without angles measurement restrictions. The effectiveness and endless customization of deep learning networks leads to broadening the horizons of use. In particular, in the literature, reconstruction denoising is obtained independently considering each slice, besides in this work a multi slice approach is introduced and compared to the single slice one. We have simulated the CT usage analyzing the modern algorithms of reconstruction and apply them in our methods.

La Tomografia Computerizzata (TC) oggigiorno viene utilizzata in una vasta varietà di applicazioni. Viene sfruttata per ispezionare il contenuto di un oggetto senza distruggerlo, come la ricerca di materiale pericoloso nelle zone comuni degli aeroporti, oppure nell'individuazione di tumori nel corpo umano. La Tomografia Computerizzata gioca un ruolo speciale nella medicina. Oltre alla individuazione dei tumori, viene utilizzata per l'analisi degli organi all'interno nel corpo umano e nell'identificazione della causa del malessere. La TC ci aiuta nella corretta determinazione della diagnosi e nel salvataggio di vite umane. Uno dei maggiori problemi della Tomografia Computerizzata è l'insufficiene qualità delle immagini ricostruite. Tipicamente, molti sistemi utilizzano delle limitazioni durante la fase di scansione in modo da velocizzare il processo. Di conseguenza, alcuni errori ed artefatti compaiono nella ricostruzione riducendo le caratteristiche ricostruite. Lo scopo di questa ricerca è quello di sviluppare metodi in modo da ridurre il rumore nelle immagini tomografiche, le quali sono ottenute attraverso angoli limitati, sfruttando la tecnologia del Deep Learning. Considerando acquisizioni tomografiche ottenute con una postazione ad angoli limitati è stato possibile migliorare le ricostruzioni ottenendo risultati molto simili alle immagini che possono essere ottenute senza limitazioni negli angoli di misura. L'efficacia e l'infinita personalizzazione delle reti di Deep Learning porta ad un appliamento degli orizzonti di utilizzo. In particolare, nella letteratura, il denoising della ricostruzione è ottenuto indipendentmente considerando ogni slice, in questo lavoro viene introdotta la trattazione multislice e confrontata con il caso singola slice. Abbiamo simulato l'uso della Tomografia Computerizzata per analizzare i moderni algortmi di ricostruzione ed applicarli ai nostri metodi.